2022年11月，刘石坚副教授在SCI二区期刊AppliedSoft Computing上发表题为“A Two-Stage Deep Counting for Bacterial Colonies from Multi-Sources”的论文

  简介：由于培养皿中的菌群在视觉上存在重叠、遮挡以及不一致性问题，使得自动菌群计数充满挑战。现代的深度学习方法需要足够的标注数据来训练检测模型以获得较高的准确性。然而，在一个源上训练好的模型很难直接运用到其他源的菌群计数任务中。本文提出一种可扩展的两阶段深度学习策略来解决上述问题。此外，本文的创新点还包括：提出一种新颖的基于混合的数据增强方法来解决训练数据量稀疏的问题；我们同时指出，可以通过优化已有菌群计数软件结果的方法来完成数据标注，以降低时间开销并提升标注效率。对比实验表明，本方法较四类前沿方法具有更优的扩展性、鲁棒性和准确性。

  相关图片：